مقايسه روش هاي نمونه برداري k-NN در برآورد تراكم درختان بنه (Pistacia atlantica Desf.) با الگوي مكاني كپه اي در يك توده تنك زاگرس(Pistacia atlantica Desf.)

تراكم (تعداد درختان در واحد سطح) يكي از مشخصه­هاي ساختاري مهم در توده­هاي جنگلي است كه در درك پويايي جنگل مناسب است. روش kامين نزديكترين همسايه (k-NN) يك روش فاصله­اي است كه به طور متداول در آماربرداري جنگل براي برآورد مشخصه­هاي كمي به كار مي­رود. در اين مطالعه روش k-NN با پنج راهكار نزديكترين فرد (NI)، نزديكترين همسايه (NN)، جفت­هاي تصادفي (RP)، چارك نقطه مركز (PCQ) و همسايه چاركي (QN) براي برآورد تراكم درختان بنه (Pistacia atlantica Desf.) در جنگل هاي زاگرس استفاده شد. يك توده با مساحت 45 هكتار در رويشگاه تحقيقاتي بنه انتخاب شد و به منظور تعيين تراكم واقعي، آماربرداري صددرصد شد. توزيع مكاني درختان بنه، كپه­اي (79/0=R و 38/12-=z) و تراكم آنها 44/19 درخت در هكتار بود. سپس روش k-NN با راهكارهاي مختلف و k برابر دو تا 10 در 46 نقطه نمونه­برداري در يك شبكه 100 × 100 متري مورد استفاده قرار گرفت. نتايج نشان داد كه به جز راهكار PCQ، روش k-NN با ساير راهكارها مقدار تراكم را به طور معني­داري (در سطح اطمينان 95 درصد) درست برآورد كرد. تعداد k و راهكار انتخاب آن بر صحت و دقت نتايج روشk-NN تاثير گذاشت، به نحوي كه 4=k در NI، 7=k در NN و 2=k در RP و QN تراكم درختان بنه را با كمترين خطا (RMSE و اريبي) برآورد كردند. به طور كلي نتايج نشان داد كه روش k-NN بهينه با k و راهكار مناسب توانسته تراكم درختان بنه با توزيع مكاني كپه­اي را در يك توده تنك در جنگل هاي زاگرس برآورد كند.